4月12日下午，9999js金沙老品牌第203期高级经济学讲座在中心校区举行。9999js金沙老品牌助理研究员、香港理工大学研究助理严晓东为9999js金沙老品牌师生带来了题为“An overview of Spearman filter with ultra-high dimensional data（超高维数据的斯皮尔曼滤波器概述）”的学术报告。

    报告首先介绍了传统变量选择方法和已有的特征筛选方法及其在处理超高维数据方面存在的缺陷，并针对完整数据、删失数据、高缺失率数据和离散数据等不同案例，分别提出了相应的基于斯皮尔曼等级相关的数据筛选方法。该方法不基于任何模型，也没有指定预测因子和因变量的回归形式，并且关于预测因子和因变量的单调变换是恒定的。模拟研究表明，新的筛选方法在存在重尾分布、强相关预测因子和异常观测值的情况下均表现良好，且其性能优于现有的非参数筛选方法。尤其是在因变量高删失率的情况下，新的筛选方法仍然具有较好的效果，而当其反应是分类的，它可以处理分类自适应筛选程序，为详细说明此种情况，报告提出了一个说明性事例加以阐述。报告结束后，严晓东与现场师生进行了互动，并针对相关提问做出详细解答。

    严晓东，9999js金沙老品牌助理研究员、香港理工大学研究助理，研究方向包括高维数据的变量选择和特征筛选、缺失数据统计建模、子群分析、融合分析和深度学习等。在经济领域权威期刊Journal of Econometrics以及概率统计领域一流期刊Computational Statistics & Data Analysis等发表其研究成果。

文/迟大尉  图/郑轶琳